摘要：电力变压器是电力系统中最重要的设备之一,它的安全稳定运行关系到整个电力系统的安全性和稳定性.文章首先分析了电力变压器油中溶解气体的特征,然后以三比值法作为主要实验依据,设计了BP神经网络和模糊神经网络两种模型,在此基础上对变压器故障诊断进行了实验,最后对比分析实验结果.

摘要：为提高油浸式电力变压器故障状态评估的准确性,结合局部密度聚类(local density clustering,LDC)算法和三比值法提出一种变压器故障状态评估方法——以油中溶解气体为研究对象,对气体数据进行LDC处理,以最后聚类结果作为故障状态评估模型及结合三比值法对新数据进行故障评估。该方法在弥补聚类方法无法准确反映故障状态和三比值法编码不全、编码太片面等不足的同时,在变压器状态发生变化时能随着新数据的输入自主修正故障状态评估模型。不同实验结果表明该方法用在变压器故障评估中,具有较高的故障评估准确率,并且当出现未知故障时能有效修正所搭建故障状态评估模型,可以在一定程度上反映变压器故障状态,保证变压器正常、安全运行。

摘要：针对改良三比值法的不足,提出了一种基于线性分类器的故障诊断方法。结合变压器实际情况,详细阐述了如何对特征参数进行规格化处理,加权向量及判决函数的确定,并且设计了与之相关的编程流程图与数据库。运行结果表明,与改良三比值法相比较,该方法具有更好的故障识别效果。采用此方法对于电力变压器故障诊断具有良好的实用性、可靠性,易于推广。